ชี้แจง เคลื่อนไหว ค่าเฉลี่ย การอัพเดท

ฉันเป็นหลักมีอาร์เรย์ของค่าเช่นนี้อาร์เรย์ข้างต้นเป็น oversimplified ฉัน m เก็บ 1 ค่าต่อมิลลิวินาทีในรหัสจริงของฉันและฉันต้องดำเนินการออกในขั้นตอนฉันเขียนเพื่อหาจุดสูงสุดที่ใกล้เคียงที่สุดก่อนจุดในเวลา ตรรกะล้มเหลวเนื่องจากในตัวอย่างข้างต้นของฉัน 0 36 เป็นยอดจริง แต่อัลกอริทึมของฉันจะมองย้อนกลับไปและดูจำนวนสุดท้าย 0 25 เป็นยอดมากที่สุดเนื่องจากมี sa ลดลงเหลือ 0 24 ก่อนที่เป้าหมายจะใช้ค่าเหล่านี้ และใช้วิธีการที่พวกเขาซึ่งจะเรียบพวกเขาออก bit เพื่อให้ฉันมีค่าเชิงเส้นมากขึ้นเช่นฉันต้องการผลของฉันจะ curvy ไม่ jaggedy. I เคยได้รับการบอกให้ใช้ตัวกรองค่าเฉลี่ยชี้แจงค่าของฉันฉันจะ ทำอย่างนี้มันยากมากสำหรับผมที่จะอ่านสมการทางคณิตศาสตร์ผมจัดการที่ดีมากกับรหัสฉันจะประมวลผลค่าในอาร์เรย์ของฉันใช้การคำนวณค่าเฉลี่ยเคลื่อนที่ชี้แจงไปแม้พวกเขา out. asked กุมภาพันธ์ 8 12 ที่ 20 27 เมื่อต้องการคำนวณ ค่าเฉลี่ยเคลื่อนที่ที่ชี้แจงคุณต้องเก็บข้อมูลบางส่วนไว้รอบ ๆ และ คุณต้องการพารามิเตอร์การปรับค่านี้เรียกระดับเล็กน้อยสมมติว่าคุณกำลังใช้ Java 5 ขึ้นไประบุว่าพารามิเตอร์ที่สลายตัวที่คุณต้องการอาจใช้การปรับค่าควรอยู่ระหว่าง 0 ถึง 1 และใช้ค่าเฉลี่ยในการกรองเมื่ออ่านหน้าของคณิตศาสตร์บางส่วน สิ่งที่คุณจำเป็นต้องรู้จริงๆเมื่อเปลี่ยนเป็นรหัสเป็นที่ mathematicians ชอบเขียนดัชนีในอาร์เรย์และลำดับกับ subscripts พวกเขา ve notations อื่น ๆ ไม่กี่ที่ดีซึ่ง doesn t ช่วยอย่างไรก็ตาม EMA สวยง่ายๆตามที่คุณต้องการ จำได้ว่าค่าเก่าไม่มีอาร์เรย์ของรัฐที่ซับซ้อน required. rieded Feb 8 12 at 20 42 TKKocheran สวยมาก Isn t มันดีเมื่อสิ่งที่สามารถทำได้ง่ายถ้าเริ่มต้นด้วยลำดับใหม่ได้รับ averager ใหม่โปรดทราบว่าคำไม่กี่คำแรกใน ลำดับเฉลี่ยจะกระโดดไปรอบ ๆ เล็กน้อยเนื่องจากผลกระทบขอบเขต แต่คุณจะได้รับผู้ที่มีค่าเฉลี่ยเคลื่อนที่อื่น ๆ ด้วยอย่างไรก็ตามข้อได้เปรียบที่ดีคือคุณสามารถตัดตรรกะเฉลี่ยเคลื่อนที่ลงใน averager และทดสอบได้โดยไม่รบกวน t เขาส่วนที่เหลือของโปรแกรมของคุณมากเกินไป Donal Fellows กุมภาพันธ์ 9 12 ที่ 0 06.I am มีช่วงเวลาที่ยากเข้าใจคำถามของคุณ แต่ฉันจะพยายามตอบ anyway.1 หากอัลกอริทึมของคุณพบ 0 25 แทน 0 36 แล้วมันไม่ถูกต้อง มันไม่ถูกต้องเพราะสมมติว่าเพิ่มขึ้นหรือลดลง monotonic ที่มักจะขึ้นหรือเสมอไปลงถ้าคุณไม่เฉลี่ยข้อมูลทั้งหมดของคุณข้อมูลของคุณ --- จุดที่คุณนำเสนอพวกเขา --- เป็น nonlinear ถ้าคุณต้องการที่จะหาสูงสุด ค่าระหว่างสองจุดในเวลาแล้วชิ้นอาร์เรย์ของคุณจาก tmin เพื่อ tmax และหาสูงสุดของ subarray.2 ที่ตอนนี้แนวคิดของค่าเฉลี่ยเคลื่อนที่ง่ายมากคิดว่าฉันมีรายการต่อไปนี้ 1 4, 1 5, 1 4, 1 5, 1 5 ฉันสามารถเรียบออกโดยใช้ค่าเฉลี่ยของสองตัวเลข 1 45, 1 45, 1 45, 1 5 ขอให้สังเกตว่าหมายเลขแรกเป็นค่าเฉลี่ยของ 1 5 และ 1 4 วินาทีและหมายเลขแรกรายการใหม่ที่สอง เป็นค่าเฉลี่ยของ 1 4 และ 1 5 รายการเก่าที่สามและที่สองรายการใหม่ที่สามค่าเฉลี่ยของ 1 5 และ 1 4 4 และ 3 และอื่น ๆ ที่ฉันสามารถ ได้ทำให้มันเป็นระยะเวลาสามหรือสี่หรือ n สังเกตว่าข้อมูลมีความเรียบมากวิธีที่ดีในการดูค่าเฉลี่ยเคลื่อนที่ในที่ทำงานคือไปที่ Google Finance เลือกสต็อกลองใช้ Tesla Motors volatile TSLA ที่สวยและคลิกที่ technicals ที่ด้านล่างของ แผนภูมิเลือก Moving Average กับช่วงเวลาหนึ่ง ๆ และค่าเฉลี่ยเคลื่อนที่แบบ Exponential เพื่อเปรียบเทียบความแตกต่างของค่าเฉลี่ยของค่าเฉลี่ยที่เป็นค่าลบนี้เป็นเพียงการอธิบายรายละเอียดอื่น ๆ แต่น้ำหนักข้อมูลเก่าน้อยกว่าข้อมูลใหม่นี้เป็นวิธีที่จะทำให้เกิดการปรับให้เรียบไปทางด้านหลัง โปรดอ่านรายการวิกิพีเดียดังนั้นนี่เป็นความคิดเห็นมากกว่าคำตอบ แต่กล่องความคิดเห็นเล็ก ๆ น้อย ๆ เป็นเพียงโชคเล็ก ๆ ถ้าคุณมีปัญหาเกี่ยวกับคณิตศาสตร์คุณสามารถไปกับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายแทนการแทนดังนั้น ผลลัพธ์ที่คุณได้รับจะเป็นเงื่อนไข x ล่าสุดหารด้วย x pseudocode ที่ยังไม่ได้ตรวจสอบโปรดทราบว่าคุณจะต้องจัดการกับจุดเริ่มต้นและจุดสิ้นสุดของข้อมูลเนื่องจากคุณสามารถ t เฉลี่ย 5 คำสุดท้ายเมื่อคุณอยู่ในจุดข้อมูลที่ 2 ของคุณได้ , เป็นวิธีที่มีประสิทธิภาพมากขึ้นในการคำนวณผลรวมรวมเฉลี่ยเคลื่อนที่นี้ - เก่าที่สุดที่เก่าที่สุด แต่นี้คือการได้รับแนวคิดของสิ่งที่เกิดขึ้นข้ามตอบ 8 ก. พ. 12 ที่ 20 41. ค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ใน T-SQL ค่าเฉลี่ยเคลื่อนที่ที่เลื่อนออกไปมีความคล้ายคลึงกัน ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักเป็นเส้นตรง แต่ค่าเฉลี่ยเคลื่อนที่แบบเสวนาคือเลขยกกำลังนั่นคือน้ำหนักที่สามารถแสดงเป็นเส้นโค้งได้นั่นเป็นวิธีที่ยอดเยี่ยม เพื่อคำนวณค่าเฉลี่ยเคลื่อนที่ที่ชี้แจงใน T-SQL โดยใช้คุณลักษณะที่ไม่มีเอกสารเกี่ยวกับตัวแปรและจำนวนทั้งหมดที่รันใน SQL Server ในโพสต์บล็อกนี้ฉันจะแสดงวิธีการใช้วิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ที่อธิบายไว้ใน T-SQL แต่ฉันยังจะนำเสนอวิธีการ ที่ใช้คุณสมบัติมาตรฐานใน SQL Server แต่นั่นหมายความว่าใช้ loop ในตัวอย่างผมจะคำนวณค่าเฉลี่ย 9 วันที่อธิบายการเคลื่อนที่ตัวอย่างเช่นใช้ฐานข้อมูล TAdb A script เพื่อสร้าง TAdb สามารถ จะพบได้ที่นี่ค่าเฉลี่ยของการคำนวณ EMA ที่ใช้ในการคำนวณค่าเฉลี่ยที่คำนวณได้ทฤษฎีที่อยู่เบื้องหลังคุณลักษณะทั้งหมดที่ใช้ในการอัพเดตได้อธิบายไว้ในรายละเอียดโดย Jeff Moden ในบทความของเขาในการแก้ปัญหา Total Overall และ Ordinal Rank Problems. ข้อมูลอื่น ๆ ที่อธิบายโดยใช้วิธีนี้ในการคำนวณ EMA มีการโพสต์บล็อกการคำนวณค่าเฉลี่ยเคลื่อนที่โดยใช้ T-SQL โดย Gabriel Priester และฟอรัมโพสต์ Exponential Moving Average Challenge ทั้งใน SQL Server Central โดยทั่วไปแล้วใน T-SQL คุณสามารถอัพเดตตัวแปรรวมทั้งคอลัมน์ในคำสั่ง update ได้ แถวโดยแถวภายในโดย SQL Server แถวโดยพฤติกรรมแถวนี้เป็นสิ่งที่ทำให้การคำนวณการทำงานรวมทั้งหมดที่เป็นไปได้ตัวอย่างนี้แสดงให้เห็นถึงวิธีการทำงานหมายเหตุว่า ColumnRunningTotal เป็นจำนวนเงินที่ทำงานของ ColumnToSum. Using วิธีนี้เราสามารถคำนวณ EMA9 กับ T-SQL นี้ การคำนวณ EMA ค่อนข้างง่ายเราใช้แถวปัจจุบันและก่อนหน้า แต่มีน้ำหนักมากขึ้นในแถวปัจจุบันน้ำหนักคำนวณโดยสูตร 2 1 9 โดยที่ 9 เป็นพารามิเตอร์สำหรับความยาวของ EMA ในการคำนวณ EMA9 สำหรับแถว 10 ด้านบนการคำนวณคือในกรณีนี้แถวปัจจุบันมีน้ำหนัก 20 จาก 2 1 9 0 2 และแถวก่อนหน้านี้จะมีน้ำหนัก 80 จาก 1-2 1 9 0 8. คุณพบการคำนวณนี้ในคำแถลงข้างต้นในคำชี้แจง CASEExpectally Moving Average EMA Looping Method. เท่าที่ฉันรู้ยกเว้นวิธีการทั้งหมดที่ระบุไว้ข้างต้นไม่มีวิธีใดในการคำนวณ EMA โดยใช้ชุดข้อมูล คำสั่ง SQL ดังนั้น T-SQL ด้านล่างใช้ loop ในขณะที่คำนวณ EMA9 ผลลัพธ์จะเหมือนกับในตัวอย่าง totals ที่ทำงานข้างต้นตามที่คาดไว้ชุดที่ทำงานตามผลรวมรุ่นเป็นวิธีที่เร็วกว่ารุ่น loop บนเครื่องของฉัน การแก้ปัญหาตามชุดคือประมาณ 300 ms เทียบกับประมาณ 1200 กับรุ่น loop รุ่น loop มีมากขึ้นตามมาตรฐาน SQL อย่างไรก็ตามทางเลือกระหว่างวิธีการขึ้นอยู่กับสิ่งที่สำคัญที่สุดสำหรับคุณประสิทธิภาพการทำงานหรือ standards. The ค่าเฉลี่ยเคลื่อนที่ชี้แจง สามารถนำมาใช้ในรูปแบบ a alysis เช่นเดียวกับค่าเฉลี่ยเคลื่อนที่อื่น ๆ ค่าเฉลี่ยเคลื่อนที่เฉลี่ย SMA และ WMA เฉลี่ยถ่วงน้ำหนักนอกจากนี้ยังมีการคำนวณอื่น ๆ ในการวิเคราะห์ทางเทคนิคที่ใช้ EMA เช่น MACD โพสต์บล็อกนี้เป็นส่วนหนึ่งของ serie เกี่ยวกับการวิเคราะห์ทางเทคนิค, TA ใน SQL Server ดูโพสต์อื่นที่นี่โพสต์โดย Tomas Lind. Tomas Lind - บริการให้คำปรึกษาเป็น SQL Server DBA และนักพัฒนาฐานข้อมูลที่ฐานข้อมูล High Coast Solutions AB. Moving Averages - ค่าเฉลี่ย Simple and Exponential. Moving - ง่ายและ Exponential. Moving เฉลี่ยขยับขยายข้อมูลราคาเป็นรูปแบบตัวบ่งชี้ต่อไปนี้พวกเขาไม่ได้ทำนายทิศทางราคา แต่กำหนดทิศทางในปัจจุบันที่มีความล่าช้าค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยอยู่บนพื้นฐานของราคาที่ผ่านมาแม้จะมีความล่าช้านี้ค่าเฉลี่ยเคลื่อนที่จะช่วยให้การดำเนินการของราคาที่ราบรื่นและกรองออกไป เสียงดังนอกจากนี้ยังเป็นรูปแบบการสร้างตัวบ่งชี้ทางเทคนิคอื่น ๆ อีกมากมายและการวางซ้อนเช่น Bollinger Bands MACD และ McClellan Oscillator สองประเภทที่นิยมที่สุดของ movi ng เฉลี่ยคือค่าเฉลี่ย SMA แบบเคลื่อนไหวเฉลี่ยและค่าเฉลี่ยเคลื่อนที่เฉลี่ยของ EMA ค่าเฉลี่ยเคลื่อนที่เหล่านี้สามารถใช้เพื่อระบุทิศทางของแนวโน้มหรือกำหนดระดับการสนับสนุนและความต้านทานที่อาจเกิดขึ้นแผนภูมินี้มีทั้ง SMA และ EMA ที่คลิกที่ แผนภูมิสำหรับแบบสดการคำนวณโดยเฉลี่ยแบบเคลื่อนที่อย่างง่ายค่าเฉลี่ยเคลื่อนที่แบบง่ายจะคำนวณโดยการคำนวณราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาเฉพาะช่วงเวลาค่าเฉลี่ยเคลื่อนที่ส่วนใหญ่จะขึ้นอยู่กับราคาปิดราคาเฉลี่ยเคลื่อนที่ 5 วันเป็นวันที่ห้า ผลรวมของราคาปิดหารด้วยห้าเป็นชื่อของมันหมายถึงค่าเฉลี่ยเคลื่อนที่เป็นค่าเฉลี่ยที่ย้ายข้อมูลเก่าจะลดลงเมื่อมีข้อมูลใหม่มาพร้อมนี้จะทำให้ค่าเฉลี่ยเคลื่อนที่ไปตามช่วงเวลาด้านล่างเป็นตัวอย่างของค่าเฉลี่ยเคลื่อนที่ 5 วัน การพัฒนาไปสามวันวันแรกของค่าเฉลี่ยเคลื่อนที่จะครอบคลุมช่วง 5 วันที่ผ่านมาวันที่สองของค่าเฉลี่ยเคลื่อนที่จะปล่อยจุดข้อมูลแรก 11 และเพิ่มจุดข้อมูลใหม่ 16 ในวันที่สามของการเคลื่อนย้าย g โดยเฉลี่ยยังคงลดลงจุดข้อมูลแรก 12 และเพิ่มจุดข้อมูลใหม่ 17 ในตัวอย่างข้างต้นราคาค่อยๆเพิ่มขึ้นจาก 11 เป็น 17 ตลอด 7 วันสังเกตว่าค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นจาก 13 เป็น 15 ในช่วงสามวัน ระยะเวลาการคำนวณนอกจากนี้โปรดสังเกตด้วยว่าค่าเฉลี่ยเคลื่อนที่แต่ละค่าต่ำกว่าราคาสุดท้ายตัวอย่างเช่นค่าเฉลี่ยถ่วงน้ำหนักของวันที่หนึ่งเท่ากับ 13 และราคาสุดท้ายคือ 15 ราคาก่อนหน้านี้สี่วันลดลงและทำให้ค่าเฉลี่ยเคลื่อนที่ลดลง การคำนวณโดยเฉลี่ยค่าเฉลี่ยเคลื่อนที่ที่ลดลงจะลดความล่าช้าโดยการใช้น้ำหนักมากขึ้นกับราคาล่าสุดน้ำหนักที่ใช้กับราคาล่าสุดขึ้นอยู่กับจำนวนงวดในค่าเฉลี่ยเคลื่อนที่โดยมีขั้นตอนสามขั้นตอนในการคำนวณค่าเฉลี่ยเคลื่อนที่ที่เป็นไปได้ เฉลี่ยค่า EMA ที่มีการระบุไว้เป็นค่าเฉลี่ยเคลื่อนที่จะต้องเริ่มต้นที่ไหนสักแห่งดังนั้นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยจะถูกใช้เป็นค่า EMA ของช่วงก่อนหน้าในการคำนวณครั้งที่สองคำนวณ ตัวคูณที่ถ่วงน้ำหนักที่สามคำนวณค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้สูตรด้านล่างมีไว้สำหรับ EMA 10 วันระยะเวลาการเคลื่อนย้ายเลขคณิต 10 ช่วงเวลาจะใช้การถ่วงน้ำหนัก 18 18 ไปเป็นราคาล่าสุด EMA 10 ระยะเวลายังสามารถเรียกได้ว่าเป็น 18 18 EMA ระยะเวลา 20 วันใช้การชั่งน้ำหนัก 9 52 กับราคาล่าสุด 2 20 1 0952 โปรดสังเกตว่าการชั่งน้ำหนักในช่วงเวลาที่สั้นกว่ามากกว่าการชั่งน้ำหนักในช่วงเวลาที่ยาวขึ้นในความเป็นจริงการถ่วงน้ำหนักลดลงครึ่งหนึ่งทุกครั้ง หากคุณต้องการให้เราเป็นเปอร์เซ็นต์เฉพาะสำหรับ EMA คุณสามารถใช้สูตรนี้เพื่อแปลงเป็นช่วงเวลาและป้อนค่านั้นเป็นพารามิเตอร์ของ EMA ด้านล่างเป็นตัวอย่างสเปรดชีตของแบบง่าย 10 วัน ค่าเฉลี่ยเคลื่อนที่และค่าเฉลี่ยเคลื่อนที่ 10 นาทีสำหรับ Intel Simple moving averages อยู่ในทิศทางตรงและต้องใช้คำอธิบายเล็กน้อยค่าเฉลี่ย 10 วันมีการเคลื่อนไหวเพียงเล็กน้อยเมื่อราคาใหม่เข้าสู่ตลาดและราคาเก่าลดลงค่าเฉลี่ยเคลื่อนที่ที่เป็นไปในเชิงบวกเริ่มต้นด้วยซิม ค่าเฉลี่ยเคลื่อนที่เฉลี่ย 22 22 ในการคำนวณครั้งแรกหลังจากการคำนวณครั้งแรกสูตรปกติใช้เวลาไปเนื่องจาก EMA เริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่แบบง่ายๆค่าที่แท้จริงจะไม่ได้รับรู้จนกว่าจะถึง 20 ช่วงเวลาดังนั้นในอีกระยะหนึ่งค่าใน สเปรดชีต Excel อาจแตกต่างจากค่าแผนภูมิเพราะระยะเวลาย้อนกลับสั้นสเปรดชีตนี้จะย้อนกลับไปเพียง 30 งวดซึ่งหมายความว่าผลกระทบของค่าเฉลี่ยเคลื่อนที่แบบง่ายๆมีระยะเวลาในการกระจายสต๊อกชิพไป 20 ช่วงเวลาโดยทั่วไปมาก ต่อไปสำหรับการคำนวณของตนดังนั้นผลกระทบของค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการคำนวณครั้งแรกมีการกระจายตัวอย่างเต็มที่ปัจจัยความล่าช้าอีกต่อไปค่าเฉลี่ยเคลื่อนที่มากขึ้นความล่าช้าค่าเฉลี่ยเคลื่อนที่ 10 วันจะกอดราคาค่อนข้างใกล้ชิดและเปิดไม่นานหลังจาก ราคาเปลี่ยนเป็นค่าเฉลี่ยของการเคลื่อนที่ในระยะสั้นเช่นเดียวกับเรือเร็ว - มีความว่องไวและรวดเร็วในการเปลี่ยนแปลงในทางตรงกันข้ามค่าเฉลี่ยเคลื่อนที่ 100 วันมีจำนวนข้อมูลในอดีตที่ลดลงค่าเฉลี่ยเคลื่อนที่อีกต่อไป s เป็นเหมือนเรือบรรทุกน้ำมันในทะเล - เซื่องซึมและชะลอการเปลี่ยนแปลงการเคลื่อนไหวของราคาที่ยาวขึ้นและยาวนานขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ 100 วันในการเปลี่ยนแปลงหลักสูตรคลิกบนแผนภูมิสำหรับแผนภูมิแบบสดแผนภูมิด้านบนแสดง SP 500 ETF พร้อมด้วย 10 EMA ที่ใกล้เคียงกับราคาและ SMA 100 วันที่สูงขึ้นแม้จะมีการลดลงในเดือนมกราคมถึงเดือนกุมภาพันธ์ แต่ SMA 100 วันก็ขึ้นแน่นอนและไม่ได้ลดลง SMA 50 วันก็พอดีกับค่าเฉลี่ยเคลื่อนที่ 10 และ 100 วัน เมื่อเทียบกับค่าเฉลี่ยเคลื่อนที่อื่น ๆ ที่มีความล่าช้าน้อยลงและมีความอ่อนไหวมากขึ้นเมื่อเร็ว ๆ นี้แม้ว่าจะมีความแตกต่างที่ชัดเจนระหว่างค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัด ราคา - และการเปลี่ยนแปลงราคาล่าสุดการเปลี่ยนแปลงค่าเฉลี่ยเลขคณิตจะเปลี่ยนไปก่อนค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายเป็นค่าเฉลี่ยที่แท้จริงของราคาสำหรับช่วงเวลาทั้งหมด ควรพิจารณาทั้งค่าเฉลี่ยเคลื่อนที่ทั้งสองแบบและระยะเวลาที่แตกต่างกันเพื่อหาพอดีที่ดีที่สุดแผนภูมิด้านล่างแสดงให้เห็น IBM พร้อมด้วย SMA 50 วันสีแดงและ EMA 50 วันเป็นสีเขียวทั้งสองจุดในช่วงปลายเดือนมกราคม แต่ EMA ลดลงมากกว่า SMA ที่ลดลง EMA เปิดขึ้นในกลางเดือนกุมภาพันธ์ แต่ SMA ยังคงลดลงไปเรื่อย ๆ จนถึงสิ้นปี ของเดือนมีนาคมสังเกตว่า SMA เปิดขึ้นในเดือนหลังจาก EMA ความยาวและระยะเวลาความยาวของค่าเฉลี่ยเคลื่อนที่ขึ้นอยู่กับวัตถุประสงค์ในการวิเคราะห์โดยรวมระยะสั้น 5-20 เหมาะสำหรับแนวโน้มระยะสั้นและการค้า Chartists ที่สนใจ แนวโน้มระยะกลางจะเลือกใช้ค่าเฉลี่ยระยะยาวที่อาจขยายระยะเวลา 20-60 ระยะนักลงทุนระยะยาวจะชอบเคลื่อนไหวค่าเฉลี่ยที่มีระยะเวลา 100 หรือมากกว่าระยะเวลาเฉลี่ยที่เคลื่อนที่ได้โดยทั่วไปจะเป็นที่นิยมมากขึ้น อื่น ๆ ค่าเฉลี่ยเคลื่อนที่ 200 วันอาจจะเป็นที่นิยมมากที่สุดเพราะความยาวของมันเป็นอย่างชัดเจนในระยะยาวค่าเฉลี่ยเคลื่อนที่ถัดไปค่าเฉลี่ยเคลื่อนที่ 50 วันค่อนข้างเป็นที่นิยมสำหรับแนวโน้มในระยะปานกลางหลาย chartists ใช้ 50- วันและค่าเฉลี่ยเคลื่อนที่ 200 วันรวมระยะสั้นค่าเฉลี่ยเคลื่อนที่ 10 วันเป็นที่นิยมมากในอดีตเพราะง่ายต่อการคำนวณเพียงแค่เพิ่มตัวเลขและย้ายจุดทศนิยมการระบุอัตลักษณ์สัญญาณเดียวกันสามารถสร้างขึ้นได้ การใช้ค่าเฉลี่ยเคลื่อนที่แบบธรรมดาหรือแบบเอกซ์โพเนนเชียลตามที่กล่าวข้างต้นการตั้งค่าขึ้นอยู่กับแต่ละบุคคลตัวอย่างด้านล่างนี้จะใช้ทั้งค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและเชิงเส้นค่าเฉลี่ยเคลื่อนที่ระยะที่ใช้กับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและเชิงเสแสร้งทิศทางของค่าเฉลี่ยเคลื่อนที่บ่งบอกถึงข้อมูลที่สำคัญเกี่ยวกับ ราคาเฉลี่ยที่เพิ่มขึ้นแสดงให้เห็นว่าราคาโดยทั่วไปจะเพิ่มขึ้นค่าเฉลี่ยถล่มที่ลดลงบ่งชี้ว่าราคาเฉลี่ยลดลงค่าเฉลี่ยเคลื่อนที่ที่เกิดขึ้นในระยะยาว แนวรับระยะยาวค่าเฉลี่ยถ่วงน้ำหนักระยะยาวที่ลดลงสะท้อนถึงแนวโน้มขาลงในระยะยาวแผนภูมิข้างบนแสดงถึง 3M MMM ที่มีค่าเฉลี่ยเคลื่อนที่ 150 วันตัวอย่างนี้แสดงให้เห็นว่าค่าเฉลี่ยเคลื่อนที่ที่เคลื่อนไหวได้ดีเพียงใดเมื่อแนวโน้มแข็งแกร่งขึ้น 150- day EMA ลดลงในเดือนพฤษจิกายน 2007 และอีกครั้งในเดือนมกราคม 2008 สังเกตว่าการปรับตัวลดลง 15 ครั้งเพื่อลดทิศทางของค่าเฉลี่ยเคลื่อนที่นี้ดัชนีชี้วัดเหล่านี้ชี้ให้เห็นถึงการกลับรายการของแนวโน้มที่เกิดขึ้นได้ดีที่สุดหรือหลังจากเกิดขึ้นเมื่อ MMM แย่ที่สุด และพุ่งขึ้น 40-50 สังเกตว่า EMA 150 วันยังไม่กลับขึ้นมาจนกว่าจะถึงจุดสูงสุดในรอบต่อไปอย่างไรก็ตาม MMM ยังคงเพิ่มขึ้นต่อเนื่องในอีก 12 เดือนข้างหน้าการเคลื่อนไหวโดยเฉลี่ยมีแนวโน้มสดใสขึ้นอย่างมาก Double Crossovers. Two moving average สามารถเป็นได้ ใช้ร่วมกันเพื่อสร้างสัญญาณไขว้ในการวิเคราะห์ทางเทคนิคของตลาดการเงิน John Murphy เรียกวิธีนี้ไขว้คู่ Double crossovers เกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่ค่อนข้างสั้นและหนึ่ง m ค่อนข้างยาว ค่าเฉลี่ยความยาวเฉลี่ยของค่าเฉลี่ยเคลื่อนที่หมายถึงระยะเวลาของระบบระบบที่ใช้ EMA 5 วันและ EMA 35 วันจะถือว่าเป็นระบบระยะสั้นโดยใช้ SMA 50 วันและ 200 วัน SMA จะถือว่าเป็นระยะปานกลางถึงแม้จะเป็นระยะยาวการข้ามไขว้แบบรุกจะเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเหนือค่าเฉลี่ยที่ยาวขึ้นค่าเฉลี่ยนี้เป็นที่รู้จักกันว่าเป็นเครื่องหมายกากบาทสีแดง A crossover หยาบคายเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นลง ค่าเฉลี่ยของการเคลื่อนที่ที่ยาวขึ้นนี้เป็นที่รู้จักกันในชื่อ cross. Movial cross. Moving เฉลี่ยส่งสัญญาณค่อนข้างล่าช้าหลังจากทั้งหมดระบบมีพนักงานสองตัวชี้วัดปกคลุมด้วยวัตถุฉนวนความยาวอีกต่อไประยะเวลาเฉลี่ยที่เคลื่อนที่มากขึ้นล่าช้าในสัญญาณสัญญาณเหล่านี้ทำงานได้ดีเมื่อมีแนวโน้มที่ดี จะถืออย่างไรก็ตามระบบครอสโอเวอร์เฉลี่ยเคลื่อนที่จะผลิตจำนวนมาก whipsaws ในกรณีที่ไม่มีแนวโน้มที่แข็งแกร่งนอกจากนี้ยังมีวิธีไขว้สามที่เกี่ยวข้องกับสามค่าเฉลี่ยเคลื่อนที่อีกครั้งสัญญาณจะถูกสร้างขึ้น เมื่อค่าเฉลี่ยเคลื่อนที่สั้นที่สุดข้ามค่าเฉลี่ยเคลื่อนที่อีก 2 เส้นระบบครอสโอเวอร์สามแบบที่เรียบง่ายอาจเกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่ 5 วัน 10 วันและ 20 วันแผนภูมิข้างต้นแสดง Home Depot HD พร้อมด้วยเส้นประสีเขียว EMA 10 วันและ 50 วันบรรทัด EMA เส้นสีแดงเส้นสีดำเป็นวันปิดโดยใช้การครอสโอเวอร์เฉลี่ยเคลื่อนไหวจะมีผลในสาม whipsaws ก่อนที่จะจับการค้าที่ดี EMA 10 วันยากจนใต้ EMA 50 วันในปลายเดือนตุลาคม 1 แต่นี้ไม่ได้ล่าสุด ตราบเท่าที่ 10 วันย้ายกลับมาในช่วงกลางเดือนพฤศจิกายน 2 ข้ามนี้กินเวลานาน แต่ครอสโอเวอร์หยดต่อไปในเดือนมกราคม 3 เกิดขึ้นใกล้ระดับราคาพฤศจิกายนพฤศจิกายนส่งผลให้อีก whipsaw ข้ามหยาบคายนี้ไม่นานเป็น EMA 10 วัน ย้ายกลับไปด้านบน 50 วันไม่กี่วันต่อมา 4 หลังจากสามสัญญาณไม่ดีสัญญาณที่สี่คาดเดาการเคลื่อนไหวที่แข็งแกร่งเป็นสต็อกสูงกว่า 20.There สอง takeaways ที่นี่แรกไขว้มีแนวโน้มที่จะ whipsaw ราคาหรือตัวกรองเวลาสามารถ ใช้เพื่อช่วยป้องกัน whipsa ผู้ค้าบางรายอาจต้องการครอสโอเวอร์ 3 วันก่อนที่จะทำหน้าที่หรือต้องการให้ EMA 10 วันเคลื่อนตัวเหนือด้านล่างของ EMA 50 วันโดยจำนวนหนึ่งก่อนที่จะทำหน้าที่ Second MACD สามารถใช้ระบุและหาปริมาณ MACO 10,50 ได้ , 1 จะแสดงเส้นที่เป็นตัวแทนของความแตกต่างระหว่างสองค่าเฉลี่ยเคลื่อนที่ชี้แจง MACD จะเปลี่ยนเป็นบวกในช่วงข้ามสีทองและลบในระหว่างการตายข้าม Oscillator ราคาร้อยละ PPO สามารถใช้วิธีเดียวกันเพื่อแสดงความแตกต่างร้อยละทราบว่า MACD และ PPO เป็น และจะไม่ตรงกับค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยแผนภูมินี้แสดง Oracle ORCL พร้อมกับ EMA 50 วัน EMA 200 วันและ MACD 50,200,1 วันมีระยะไตรภาคีเคลื่อนไหวเฉลี่ย 4 ช่วงระยะเวลา 2 1 2 ปี สามครั้งแรกส่งผลให้เกิด whipsaws หรือการค้าที่ไม่ดีเทรนด์เริ่มมีการครอสโอเวอร์ที่สี่เนื่องจาก ORCL ก้าวขึ้นสู่ช่วงกลางยุค 20 อีกครั้งการเคลื่อนไหวของ crossovers เฉลี่ยทำงานได้ดีเมื่อมีแนวโน้มแข็งแกร่ง แต่ทำให้เกิดความสูญเสียใน ab แนวโน้มของค่าเฉลี่ย Cross. Crossers. Moving ยังสามารถใช้ในการสร้างสัญญาณที่มีไขว้ราคาง่ายสัญญาณรั้นจะถูกสร้างขึ้นเมื่อราคาขยับขึ้นเหนือค่าเฉลี่ยเคลื่อนที่สัญญาณหยาบคายถูกสร้างขึ้นเมื่อราคาเคลื่อนตัวต่ำกว่าค่าเฉลี่ยที่เคลื่อนที่ไขว้ราคาสามารถรวมกัน การค้าภายในแนวโน้มที่ใหญ่กว่าค่าเฉลี่ยของการเคลื่อนไหวที่ยาวนานขึ้นทำให้สัญญาณมีแนวโน้มที่ใหญ่ขึ้นและใช้ค่าเฉลี่ยเคลื่อนที่ที่สั้นลงเพื่อสร้างสัญญาณหนึ่งจะมองหาราคาที่สูงขึ้นเมื่อราคาอยู่เหนือระดับเฉลี่ยที่ยาวขึ้นเท่านั้น ความสามัคคีกับแนวโน้มที่ใหญ่ขึ้นตัวอย่างเช่นถ้าราคาอยู่เหนือเส้นค่าเฉลี่ยเคลื่อนที่ 200 วันแผนภูมิชาตินิยมจะมุ่งเน้นเฉพาะสัญญาณเมื่อราคาเคลื่อนตัวเหนือค่าเฉลี่ยเคลื่อนที่ 50 วันเท่านั้นการเคลื่อนตัวต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 50 วันจะนำไปสู่การเปลี่ยนแปลงดังกล่าว สัญญาณ แต่ข้ามไปหยาบคายดังกล่าวจะถูกละเว้นเนื่องจากมีแนวโน้มใหญ่ขึ้นข้ามหยาบคายก็จะแนะนำ pullback ภายในขาขึ้นที่ใหญ่กว่าข้ามกลับไปด้านบน ค่าเฉลี่ยเคลื่อนที่ 50 วันจะส่งสัญญาณการปรับตัวขึ้นของราคาและความต่อเนื่องของแนวโน้มขาขึ้นที่ใหญ่ขึ้นกราฟถัดไปแสดง Emerson Electric EMR พร้อมกับ EMA 50 วันและ EMA 200 วันหุ้นขึ้นเหนือเส้นค่าเฉลี่ยเคลื่อนที่ 200 วัน August มีการปรับตัวลงมาอยู่ใต้เส้น EMA 50 วันในช่วงต้นเดือนพฤศจิกายนและอีกครั้งในช่วงต้นเดือนกุมภาพันธ์ราคาพลิกกลับอย่างรวดเร็วเหนือเส้น EMA 50 วันเพื่อให้สัญญาณลูกศรสีเขียวในแนวราบสอดคล้องกับขาขึ้นที่ใหญ่ขึ้น MACD 1,50,1 แสดงไว้ใน ตัวบ่งชี้เพื่อยืนยันระดับราคาที่อยู่เหนือหรือต่ำกว่า EMA 50 วัน EMA ระยะเวลา 1 วันเท่ากับราคาปิด MACD 1,50,1 เป็นบวกเมื่ออยู่ใกล้เส้น EMA 50 วันและเป็นลบเมื่อระยะใกล้อยู่ต่ำกว่า 50 วัน EMA สนับสนุนและแนวต้านค่าเฉลี่ยในกลุ่มยังสามารถทำหน้าที่เป็นแนวรับขาขึ้นและแนวต้านในระยะสั้นขาขึ้นระยะสั้นอาจได้รับแรงหนุนจากเส้นค่าเฉลี่ยเคลื่อนที่ 20 วันซึ่งใช้ใน Bollinger Bands ระยะยาว - แนวรองรับระยะสั้นอาจได้รับแรงสนับสนุนจากระยะสั้น 200 วัน verage ซึ่งเป็นค่าเฉลี่ยเคลื่อนที่ที่นิยมมากที่สุดในระยะยาวถ้าความเป็นจริงค่าเฉลี่ยเคลื่อนที่ 200 วันอาจให้การสนับสนุนหรือความต้านทานได้เนื่องจากมีการใช้งานกันอย่างแพร่หลายมันเกือบจะเหมือนกับคำทำนายของตัวเองที่ทำเอง โดยมีค่าเฉลี่ยเคลื่อนที่ 200 วันจากกลางปี ​​2547 จนถึงสิ้นปีพ. ศ. 2551 ระยะเวลา 200 วันให้การสนับสนุนหลายครั้งในช่วงก่อนหน้านี้เมื่อแนวโน้มกลับสู่ด้านหลังด้วยการหยุดพักการสนับสนุนด้านบนคู่ค่าเฉลี่ยเคลื่อนที่ 200 วันทำหน้าที่เป็นแนวต้านรอบ 9500 อย่าคาดหวังว่าการสนับสนุนและความต้านทานที่แท้จริงจะเป็นตัวกำหนดค่าเฉลี่ยเคลื่อนที่โดยเฉพาะค่าเฉลี่ยเคลื่อนที่ที่ยาวนานขึ้นตลาดมีการขับเคลื่อนโดยอารมณ์ซึ่งทำให้มีแนวโน้มที่จะถูกตัดทอนแทนระดับที่แน่นอนค่าเฉลี่ยเคลื่อนที่สามารถใช้เพื่อระบุโซนการสนับสนุนหรือความต้านทานข้อดีของการใช้การย้าย ค่าเฉลี่ยจะต้องมีการชั่งน้ำหนักกับข้อเสียการย้ายค่าเฉลี่ยมีแนวโน้มตามหรือ lagging ตัวบ่งชี้ที่จะเป็นขั้นตอนหลังนี้ไม่จำเป็นต้องเป็นสิ่งที่ไม่ดี แต่หลังจากทั้งหมด, แนวโน้มเป็นเพื่อนของคุณและดีที่สุดคือการค้าในทิศทางของแนวโน้มการย้ายค่าเฉลี่ยประกันว่าผู้ประกอบการค้าจะสอดคล้องกับแนวโน้มปัจจุบันแม้ว่าแนวโน้มเป็นเพื่อนของคุณหลักทรัพย์ใช้จ่ายมากเวลาในการซื้อขายช่วงซึ่ง ทำให้ค่าเฉลี่ยเคลื่อนที่ไม่ได้ผลเมื่ออยู่ในแนวโน้มค่าเฉลี่ยเคลื่อนที่จะช่วยให้คุณได้ แต่ยังให้สัญญาณปลาย Don t คาดว่าจะขายที่ด้านบนและซื้อที่ด้านล่างโดยใช้ค่าเฉลี่ยเคลื่อนที่เช่นเดียวกับเครื่องมือวิเคราะห์ทางเทคนิคส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่ไม่ควรใช้ ด้วยตัวเอง แต่ร่วมกับเครื่องมือเสริมอื่น ๆ Chartists สามารถใช้ค่าเฉลี่ยเคลื่อนที่เพื่อกำหนดแนวโน้มโดยรวมและใช้ RSI เพื่อกำหนดระดับซื้อเกินหรือ oversold การเพิ่มค่าเฉลี่ยของการเคลื่อนไหวไปยัง StockCharts Charts. Moving ค่าเฉลี่ยจะมีเป็นคุณลักษณะการวางซ้อนราคาบน SharpCharts workbench การใช้เมนูแบบเลื่อนลงของ Overlays ทำให้ผู้ใช้สามารถเลือกค่าเฉลี่ยเคลื่อนที่แบบเรียบหรือค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้ค่าพารามิเตอร์แรกจะใช้เพื่อกำหนดจำนวนครั้งที่ p eriods. An พารามิเตอร์ที่เป็นตัวเลือกสามารถเพิ่มเพื่อระบุเขตราคาที่ควรจะใช้ในการคำนวณ - O สำหรับ Open, H สำหรับสูง, L สำหรับต่ำและ C สำหรับการปิดเครื่องหมายจุลภาคใช้ในการแยกพารามิเตอร์อื่น ๆ ตัวเลือก ค่าที่เป็นลบจำนวน -10 จะเปลี่ยนค่าเฉลี่ยเคลื่อนที่ไปทางซ้าย 10 ช่วงเวลาจำนวนบวก 10 จะเปลี่ยนค่าเฉลี่ยเคลื่อนที่ไปทางขวา 10 ช่วงเวลาค่าเฉลี่ยเคลื่อนที่หลายค่าสามารถ วางผังราคาโดยการเพิ่มอีกชั้นวางซ้อนกับสมาชิก Workbench StockCharts สามารถเปลี่ยนสีและสไตล์เพื่อแยกความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่หลาย ๆ ตัวได้หลังจากเลือกตัวบ่งชี้ให้เปิดตัวเลือกขั้นสูงโดยคลิกสามเหลี่ยมสีเขียวเล็กน้อย นอกจากนี้ยังสามารถใช้ตัวเลือกขั้นสูงเพื่อเพิ่มค่าเฉลี่ยถ่วงน้ำหนักที่เคลื่อนที่ไปยังตัวชี้วัดทางเทคนิคอื่น ๆ เช่น RSI, CCI และ Volume คลิกที่นี่เพื่อดูกราฟสดที่มีค่าเฉลี่ยเคลื่อนที่แตกต่างกันการใช้ค่าเฉลี่ยเคลื่อนที่กับสครอชชอต Scans นี่คือตัวอย่างการสแกนที่ StockCharts สมาชิกสามารถใช้เพื่อสแกนหาค่าเฉลี่ยของสถานการณ์ที่เคลื่อนไหวได้โดยทั่วไปการเคลื่อนไหวเฉลี่ยข้ามเฉลี่ยการสแกนนี้จะหาหุ้นที่มีค่าเฉลี่ยเคลื่อนที่ 150 วันที่เพิ่มขึ้นและการข้ามผ่านแนวราบของ EMA 5 วันและ EMA 35 วันค่าเฉลี่ยเคลื่อนที่ 150 วัน จะเพิ่มขึ้นตราบเท่าที่มีการซื้อขายเหนือระดับของห้าวันที่ผ่านมาข้ามรั้นจะเกิดขึ้นเมื่อ EMA 5 วันเคลื่อนตัวเหนือ EMA 35 วันเมื่อเทียบกับค่าเฉลี่ยสูงกว่าค่าเฉลี่ยการเคลื่อนไหวของค่าเฉลี่ย Cross การสแกนนี้จะมองหาหุ้นที่ลดลง 150- วันค่าเฉลี่ยการเคลื่อนไหวแบบถดถอยและเส้นค่าเฉลี่ยถดถอยในระยะสั้น EMA 5 วันและ EMA 35 วันค่าเฉลี่ยเคลื่อนที่ 150 วันจะลดลงตราบใดที่ยังซื้อขายอยู่ในระดับต่ำกว่า 5 วันที่ผ่านมา ต่ำกว่า EMA 35 วันที่ ABO หนังสือเล่มนี้มีบทที่อุทิศให้กับค่าเฉลี่ยเคลื่อนที่และการใช้งานต่างๆของพวกเขา Murphy ครอบคลุมข้อดีและข้อเสียของการย้ายค่าเฉลี่ยนอกจากนี้เมอร์ฟี่แสดงให้เห็นว่าการเคลื่อนไหวโดยเฉลี่ยทำงานร่วมกับ Bollinger Bands และช่องทางการซื้อขายตามระบบได้อย่างไรเทคนิค การวิเคราะห์ตลาดการเงิน John Murphy